Composite Vector Stochastic Processes Model in the Task of Signals' Recognition

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216275%3A25530%2F16%3A39902190" target="_blank" >RIV/00216275:25530/16:39902190 - isvavai.cz</a>

Výsledek na webu

<a href="http://ieeexplore.ieee.org/document/7477402/" target="_blank" >http://ieeexplore.ieee.org/document/7477402/</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/RADIOELEK.2016.7477402" target="_blank" >10.1109/RADIOELEK.2016.7477402</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Composite Vector Stochastic Processes Model in the Task of Signals' Recognition

Popis výsledku v původním jazyce

The composite vector stochastic processes model is usable in many signal processing areas. Advantages of the model utilization, in task of electric motors acoustic signals parametric estimations, are shown in this paper. Models' results are compared with the traditional statistical methods for the signal analysis, in the two samples classes recognition task. The expressions for correlation function, autoregressive models' parameters calculation, and parametric power spectral density estimation in autoregressive composite vector stochastic processes representation, are shown in the paper. The proposed method for signals analysis, presented in this paper, enables to obtain information, which is difficult to gain by using traditional methods of statistical analysis.

Název v anglickém jazyce

Composite Vector Stochastic Processes Model in the Task of Signals' Recognition

Popis výsledku anglicky

The composite vector stochastic processes model is usable in many signal processing areas. Advantages of the model utilization, in task of electric motors acoustic signals parametric estimations, are shown in this paper. Models' results are compared with the traditional statistical methods for the signal analysis, in the two samples classes recognition task. The expressions for correlation function, autoregressive models' parameters calculation, and parametric power spectral density estimation in autoregressive composite vector stochastic processes representation, are shown in the paper. The proposed method for signals analysis, presented in this paper, enables to obtain information, which is difficult to gain by using traditional methods of statistical analysis.

Druh

D - Stať ve sborníku

CEP obor

JA - Elektronika a optoelektronika, elektrotechnika

OECD FORD obor

—

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2016

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Radioelektronika 2016 : conference proceedings

ISBN

978-1-5090-1674-7

ISSN

—

e-ISSN

—

Počet stran výsledku

4

Strana od-do

203-206

Název nakladatele

IEEE (Institute of Electrical and Electronics Engineers)

Místo vydání

New York

Místo konání akce

Košice

Datum konání akce

19. 4. 2016

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000383741100042